Вчера Meta взлетела более чем на 11% в течение одного дня; Intel и AMD поднялись примерно на 12% и 10% соответственно. Причина — продукт Meta для персональных AI-агентов Muse продолжает пользоваться спросом. Об этом стоит сказать, потому что это может переписать базовую логику «AI-вычислений».
1. Что именно изменил Muse
Большинство потребительских AI по сути остаются инструментами «вопрос–ответ»: вы вводите фрагмент текста, модель строит вывод и возвращает результат — на этом задача заканчивается. Muse переносит AI из чат-окна в реальный рабочий процесс: вы задаёте цель, он разбивает шаги, входит на сайты, подключает внешние сервисы, читает состояние страниц и затем решает, что делать дальше; сталкиваясь с оплатой, письмами, изменением расписания, он сам находит вас для авторизации и, закончив, продолжает проверять, выполнена ли задача.
Замкнутый цикл таков: понять цель → составить план → вызвать инструменты → наблюдать результат → скорректировать план → продолжать выполнение.
Если для традиционного AI единицей работы является «один диалог», то для агента — «полностью выполненная задача». Meta также добавила облачную среду персистентного выполнения: вы закрываете приложение — а в фоне процесс продолжает идти. Это означает, что конкуренция больше не сводится только к базовым моделям: важны точки дистрибуции, пользовательские данные и бизнес-экосистема. Meta держит доступ к огромному числу пользователей; как только Muse накопит в почте, расписании, привычках покупок и истории задач, стоимость миграции становится запредельно высокой — вам нужно переносить не только переписку, а целый способ работы.
2. Почему на этот раз «тянет» CPU
За последние годы главная «арена» AI-инфраструктуры была GPU. Но когда агенты входят в рабочий поток, структура вычислений меняется: GPU отвечает за «думать» (понимать цель, генерировать план, распознавать страницы), а части «делать» — запускать системы, поднимать виртуальные машины, обращаться к API, управлять правами, вести состояние задач — полностью ложатся на CPU и традиционные серверы.
Цепочка чат-модели выглядит так: ввод → рассуждение → вывод → освобождение ресурсов. Цепочка агента: рассуждение → выполнение на CPU → ожидание внешнего ответа → повторное чтение состояния → снова рассуждение → снова выполнение; одна длинная задача может прокручиваться десятки или даже сотни раз. Браузер, виртуальные машины, память и состояние задач должны оставаться онлайн. Потребность в «AI-вычислениях» расширяется от «сгенерировать один токен» до «обеспечить все системные ресурсы для выполнения задачи».
Как только Muse откроют для нескольких миллиардов пользователей, даже если одновременно запустят агента лишь небольшая часть, это создаст огромный параллелизм виртуальных машин, процессов браузера и вызовов API. Персональные агенты должны взаимодействовать с почтой, платежами и правами аккаунта; нельзя затолкать задачи всех в одну среду, и чем сильнее акцент на безопасности и изоляции, тем больше требуется независимых ресурсов для каждого пользователя. Потребность CPU в эпоху агентов возникает по трём линиям: растёт число параллельных запусков, увеличивается длительность задач и ужесточается безопасность/изоляция. Вот почему рынок снова нацелился на многоядерные серверные CPU; даже есть оценка, что в будущем потребность в ядрах CPU удвоится, а соотношение CPU и GPU приблизится к 1:1.
Одной фразой в рамке наблюдения: когда снижаются затраты на рассуждение, AI-бутылочное горлышко смещается с «может ли модель хорошо думать» к «может ли бэкенд выполнять задачи в достаточном параллелизме с достаточно низкой себестоимостью».
3. Как спрос превращается в прибыль
Спрос не равен прибыли; ключ — юнит-экономика Muse. Бесплатная версия плюс подписки в двух уровнях (20 и 100 долларов), а дальше — дополнительная монетизация через корпоративных агентов, API для разработчиков и комиссионные с транзакций. Muse способен распознавать реальные намерения к покупке, и теоретическая ценность одного пользователя может быть выше, чем у традиционных рекламных кликов; есть оценки, что будущие доходы могут превысить 10 миллиардов долларов.
Но у агента другая структура затрат: нужно запускать виртуальные машины, занимать память, «жечь» сеть, поднимать модели; чем активнее использование, тем выше бэкенд-расходы. Две ступени подписки по сути тоже про контроль ресурсов — лимиты на число задач, лимиты на количество вызовов и ограничение длительности фонового выполнения. По сравнению с фиксированной подпиской, комиссионные с транзакций лучше ложатся на структуру себестоимости в эпоху агентов.
Торговая модель при этом может разжечь конфликт интересов платформ. Amazon уже отключила покупки с использованием Muse внутри своего приложения — после того как агент выполняет для пользователя поиск и оформление заказа, пользователи пропускают рекомендательные страницы и рекламу. Третьесторонние платформы, вероятно, пойдут по одному из трёх путей: взимать плату за открытые интерфейсы, требовать долю с транзакций или блокировать неавторизованный доступ. Любой сценарий будет сжимать границы сервиса Muse и снижать маржинальность.
4. Как понять всю цепочку передачи
Для Meta: Muse — ключевой тест, может ли AI-капитальные затраты конвертироваться в потребительские доходы. Загрузки показывают дистрибуцию, завершённость задач определяет ценность, удержание и платёжеспособность определяют доход, а стоимость выполнения одной задачи — прибыль.
Для Intel: GPU отвечает за «думать», CPU — за «исполнять». Если потребительские агенты масштабно развернут, CPU серверов может превратиться из вспомогательного компонента в критический фактор масштаба параллелизма и стоимости выполнения.
Вся цепочка выглядит так: потребительский агент получает доступ к пользователю → задача уходит от «ответов» к непрерывному выполнению → растут запросы к виртуальным машинам, браузерам и вызовам инструментов → увеличиваются потребности в CPU, памяти и сети → растут затраты инфраструктуры → подписки и доходы с транзакций подтверждают юнит-экономику → потребность в чипах в итоге конвертируется в прибыль поставщиков.
GPU определяет, сможет ли агент ясно «проработать мысли», а CPU и базовая системная инфраструктура — сможет ли он одновременно сделать достаточно дел для достаточно большого числа людей; в конечном итоге капиталовая отдача зависит от того, сколько денег приносит каждый выполненный агентом шаг задачи и сможет ли этот доход перекрыть всю цепочку стоимости исполнения.
1. Что именно изменил Muse
Большинство потребительских AI по сути остаются инструментами «вопрос–ответ»: вы вводите фрагмент текста, модель строит вывод и возвращает результат — на этом задача заканчивается. Muse переносит AI из чат-окна в реальный рабочий процесс: вы задаёте цель, он разбивает шаги, входит на сайты, подключает внешние сервисы, читает состояние страниц и затем решает, что делать дальше; сталкиваясь с оплатой, письмами, изменением расписания, он сам находит вас для авторизации и, закончив, продолжает проверять, выполнена ли задача.
Замкнутый цикл таков: понять цель → составить план → вызвать инструменты → наблюдать результат → скорректировать план → продолжать выполнение.
Если для традиционного AI единицей работы является «один диалог», то для агента — «полностью выполненная задача». Meta также добавила облачную среду персистентного выполнения: вы закрываете приложение — а в фоне процесс продолжает идти. Это означает, что конкуренция больше не сводится только к базовым моделям: важны точки дистрибуции, пользовательские данные и бизнес-экосистема. Meta держит доступ к огромному числу пользователей; как только Muse накопит в почте, расписании, привычках покупок и истории задач, стоимость миграции становится запредельно высокой — вам нужно переносить не только переписку, а целый способ работы.
2. Почему на этот раз «тянет» CPU
За последние годы главная «арена» AI-инфраструктуры была GPU. Но когда агенты входят в рабочий поток, структура вычислений меняется: GPU отвечает за «думать» (понимать цель, генерировать план, распознавать страницы), а части «делать» — запускать системы, поднимать виртуальные машины, обращаться к API, управлять правами, вести состояние задач — полностью ложатся на CPU и традиционные серверы.
Цепочка чат-модели выглядит так: ввод → рассуждение → вывод → освобождение ресурсов. Цепочка агента: рассуждение → выполнение на CPU → ожидание внешнего ответа → повторное чтение состояния → снова рассуждение → снова выполнение; одна длинная задача может прокручиваться десятки или даже сотни раз. Браузер, виртуальные машины, память и состояние задач должны оставаться онлайн. Потребность в «AI-вычислениях» расширяется от «сгенерировать один токен» до «обеспечить все системные ресурсы для выполнения задачи».
Как только Muse откроют для нескольких миллиардов пользователей, даже если одновременно запустят агента лишь небольшая часть, это создаст огромный параллелизм виртуальных машин, процессов браузера и вызовов API. Персональные агенты должны взаимодействовать с почтой, платежами и правами аккаунта; нельзя затолкать задачи всех в одну среду, и чем сильнее акцент на безопасности и изоляции, тем больше требуется независимых ресурсов для каждого пользователя. Потребность CPU в эпоху агентов возникает по трём линиям: растёт число параллельных запусков, увеличивается длительность задач и ужесточается безопасность/изоляция. Вот почему рынок снова нацелился на многоядерные серверные CPU; даже есть оценка, что в будущем потребность в ядрах CPU удвоится, а соотношение CPU и GPU приблизится к 1:1.
Одной фразой в рамке наблюдения: когда снижаются затраты на рассуждение, AI-бутылочное горлышко смещается с «может ли модель хорошо думать» к «может ли бэкенд выполнять задачи в достаточном параллелизме с достаточно низкой себестоимостью».
3. Как спрос превращается в прибыль
Спрос не равен прибыли; ключ — юнит-экономика Muse. Бесплатная версия плюс подписки в двух уровнях (20 и 100 долларов), а дальше — дополнительная монетизация через корпоративных агентов, API для разработчиков и комиссионные с транзакций. Muse способен распознавать реальные намерения к покупке, и теоретическая ценность одного пользователя может быть выше, чем у традиционных рекламных кликов; есть оценки, что будущие доходы могут превысить 10 миллиардов долларов.
Но у агента другая структура затрат: нужно запускать виртуальные машины, занимать память, «жечь» сеть, поднимать модели; чем активнее использование, тем выше бэкенд-расходы. Две ступени подписки по сути тоже про контроль ресурсов — лимиты на число задач, лимиты на количество вызовов и ограничение длительности фонового выполнения. По сравнению с фиксированной подпиской, комиссионные с транзакций лучше ложатся на структуру себестоимости в эпоху агентов.
Торговая модель при этом может разжечь конфликт интересов платформ. Amazon уже отключила покупки с использованием Muse внутри своего приложения — после того как агент выполняет для пользователя поиск и оформление заказа, пользователи пропускают рекомендательные страницы и рекламу. Третьесторонние платформы, вероятно, пойдут по одному из трёх путей: взимать плату за открытые интерфейсы, требовать долю с транзакций или блокировать неавторизованный доступ. Любой сценарий будет сжимать границы сервиса Muse и снижать маржинальность.
4. Как понять всю цепочку передачи
Для Meta: Muse — ключевой тест, может ли AI-капитальные затраты конвертироваться в потребительские доходы. Загрузки показывают дистрибуцию, завершённость задач определяет ценность, удержание и платёжеспособность определяют доход, а стоимость выполнения одной задачи — прибыль.
Для Intel: GPU отвечает за «думать», CPU — за «исполнять». Если потребительские агенты масштабно развернут, CPU серверов может превратиться из вспомогательного компонента в критический фактор масштаба параллелизма и стоимости выполнения.
Вся цепочка выглядит так: потребительский агент получает доступ к пользователю → задача уходит от «ответов» к непрерывному выполнению → растут запросы к виртуальным машинам, браузерам и вызовам инструментов → увеличиваются потребности в CPU, памяти и сети → растут затраты инфраструктуры → подписки и доходы с транзакций подтверждают юнит-экономику → потребность в чипах в итоге конвертируется в прибыль поставщиков.
GPU определяет, сможет ли агент ясно «проработать мысли», а CPU и базовая системная инфраструктура — сможет ли он одновременно сделать достаточно дел для достаточно большого числа людей; в конечном итоге капиталовая отдача зависит от того, сколько денег приносит каждый выполненный агентом шаг задачи и сможет ли этот доход перекрыть всю цепочку стоимости исполнения.